In de afgelopen jaren heeft PwC met een aantal klanten samengewerkt om verschillende technologieën in te zetten om financiële misdrijven te voorkomen, zoals modellen voor machine learning en cloud-based oplossingen.
PwC heeft onderzocht dat bij de juiste toepassing van technologie de totale compliance kosten met wel 30 tot 50% kunnen dalen1 door het afnemen van de verwerkingstijd en het toenemen van de kwaliteit (dus minder ‘rework’).
In dit artikel schetsen we enkele interessante use cases, met name in de context van Know Your Customer (KYC) en Transaction Monitoring (TM), hoewel ze op elk compliance toezichtproces van toepassing kunnen zijn.
1PwC Analysis
De kern van succesvolle regulatory operaties waarbij zeer complexe processen plaatsvinden, is een betrouwbare en flexibele workflow. Tools die ondersteuning kunnen bieden op uiteenlopende gebieden van financiële criminaliteit, zoals KYC/ TM alert review, dataverrijking of data remediatie, leggen een solide basis voor het opbouwen van geavanceerde en efficiënte processen. Flexibiliteit om aan te sluiten bij reeds bestaande systemen is essentieel.
Een goed opgezette rapportage is van cruciaal belang voor doeltreffend projectbeheer en de monitoring van belangrijke prestatie-indicatoren (KPI’s). De beste rapportage structuur wordt neergezet wanneer de rapportage structuur samen met de workflow oplossing wordt ontwikkeld.
Rapportagediensten bieden live en interactieve gegevensvisualisaties met de mogelijkheid om nader in details te duiken. Ze zijn op elk moment via het web of mobiele apparaten toegankelijk, waardoor besluitvorming in realtime met weloverwogen tactische en strategische oplossingen mogelijk wordt.
Meer geavanceerde compliance afdelingen kunnen gegevens gebruiken voor geavanceerde analyses en inlichtingen.
De gegevens die tijdens de KYC/AML-processen worden verzameld, kunnen als input dienen voor uitgebreidere bedrijfsinformatietools, zoals het berekenen van efficiëntie KPI’s, het scherper afstemmen van capaciteit, het meten van de verwerkingstijd voor afzonderlijke taken, of het visualiseren van het gehele proces om inefficiënties en knelpunten op te sporen.
Daarbij kan machine learning worden ingezet voor het continu monitoren van wijzigingen in anti-witwasprofielen van klanten en het in gang zetten van passende vervolgacties.
Slimme formulieren kunnen de ruggengraat van een doeltreffend proces vormen door meerdere automatiseringsslagen te integreren en als gemakkelijk toegankelijke interface voor de gebruiker te dienen.
Deze formulieren kunnen worden geïntegreerd met klantportalen om een efficiënte uitwisseling van gegevens en documenten met de klanten mogelijk te maken op een manier die meer veiligheid en structuur biedt.
Voor TM-scenario’s ziet PwC een grote kans in het aanvullen van een op regels gebaseerde aanpak met geavanceerde data analysetools. Dankzij AI en algoritmen voor machine learning kunnen deze tools meerdere informatiebronnen over de klant en zijn transacties analyseren. Hierdoor kunnen false postive meldingen geautomatiseerd worden afgehandeld, terwijl echt verdachte activiteiten kunnen worden opgespoord die niet door eenvoudige regels worden opgevangen.
Efficiënt kennisbeheer wordt in compliance toezichtprocessen vaak verwaarloosd. Veel organisaties onderschatten de operationele moeilijkheden als gevolg van de toenemende schaal, complexiteit en veranderlijkheid van procedures en processen.
Een doeltreffend kennisbeheersysteem omvat drie lagen:
een goed gestructureerd kennisplatform dat alle belangrijke documenten bevat, waarbij de informatie juist is gecategoriseerd.
een intelligente zoekmachine die de meest relevante resultaten weergeeft. Veel organisaties gaan een stap verder en experimenteren met intelligente chatbots/virtuele assistenten
een ticketsysteem waarin gebruikers vragen kunnen stellen aan een senior specialist wanneer zij het antwoord zelf niet kunnen vinden. Alle antwoorden worden opgeslagen voor toekomstig gebruik, waardoor het aantal soortgelijke vragen in de toekomst kan worden verminderd en de standaardisering wordt verbeterd
Met behulp van machine learning, biometrie en AI-mogelijkheden kan verificatie van identiteit worden geautomatiseerd, zodat onboarding- en verificatieprocessen voor klanten efficiënter en nauwkeuriger verlopen. Het gebruik van geautomatiseerde verificatie van identiteit voor onboarding van en contact met retailklanten is een marktstandaard geworden.
Voor compliance processen moet gebruik worden gemaakt van talrijke externe en interne bronnen. Er is een grote hoeveelheid gegevens en informatie op de markt en die gegevens moeten worden geëxtraheerd, gestandaardiseerd, geverifieerd en geprioriteerd. Het toepassen van slimme en geautomatiseerde data sourcing is noodzakelijk voor effectieve (remediatie) processen.
Het screenen van negatieve media-aandacht en/of sancties/politiek prominente personen is een tijdrovende en foutgevoelige aangelegenheid. Het grootste gedeelte van de hits kan false positives betreffen. AI, machine learning en cognitive analytics maken het mogelijk de screening op sancties, negatief nieuws of status van politiek prominente persoon te stroomlijnen. Hits worden ofwel automatisch afgehandeld ofwel gerouteerd voor handmatige beoordeling, waarbij belangrijke informatie onder de aandacht wordt gebracht ter ondersteuning van het menselijke besluitvormingsproces. Deze technologieën kunnen ook een grondigere due diligence faciliteren door de gebruikte bronnen te verdiepen en verbreden.
Uitgebreide en gedetailleerde kwaliteitsmetingen en -rapportages (op basis van kwaliteitscontroles) bevorderen monitoring en directe bijsturing om overtredingen van regelgeving of tijdrovend rework te voorkomen. Betrouwbare en goede gegevens leggen de basis voor voorspellende sampling, waarbij met behulp van AI/machine learning-algoritmen een gerichte risico’s gebaseerde aanpak van kwaliteitscontroles wordt ingevoerd.
Machine learning en geavanceerde technologieën kunnen worden ingezet om AML-klantrisicobeoordelingen af te leiden op basis van de gegevens die tijdens KYC-processen zijn verzameld. De geavanceerde mogelijkheden dienen als ruggengraat van deze modellen en maken nauwkeurigere AML-beoordelingen mogelijk. Deze kunnen dienen als basis voor het herkennen van klanten met een hoog risico en de lopende monitoringprocessen om het risico op witwassen te beperken.
Bovendien, dankzij de automatisering van tijdrovende configuratie- en berekeningsprocessen van risicobeoordelingsmodellen kunnen AML Compliance Officers bovendien hun aandacht richten op de interpretatie van de resultaten en op het nemen van risicobeperkende maatregelen. Dit ondersteunt op zijn beurt een soepele en grondige verificatie van de implementatie van interne AML-normen gezien door de bril van het klantrisico. De implementatie van dergelijke tools kan ook aanzienlijke tijdwinst opleveren op het gebied van compliance.
De hierboven genoemde oplossingen zijn slechts voorbeelden van wat PwC observeert bij koplopers op automatiseringsgebied. De oplossingen kunnen verder worden aangevuld en concepten als straight-through processing (STP) en Perpetual Know Your Customer (PKYC) mogelijk maken.